diff --git a/.gitignore b/.gitignore
index 7ded952..374c3c4 100644
--- a/.gitignore
+++ b/.gitignore
@@ -213,4 +213,6 @@ fabric.properties
.idea
-slot-model
\ No newline at end of file
+slot-model
+
+ConvLab-2
\ No newline at end of file
diff --git a/lab/09-zarzadzanie-dialogiem-reguly.ipynb b/lab/09-zarzadzanie-dialogiem-reguly.ipynb
index 6d59ed6..4032a32 100644
--- a/lab/09-zarzadzanie-dialogiem-reguly.ipynb
+++ b/lab/09-zarzadzanie-dialogiem-reguly.ipynb
@@ -9,7 +9,7 @@
"\n",
"\n",
"
Systemy Dialogowe
\n",
- " 9. Zarz\u0105dzanie dialogiem z wykorzystaniem regu\u0142 [laboratoria]
\n",
+ " 9. Zarządzanie dialogiem z wykorzystaniem reguł [laboratoria]
\n",
" Marek Kubis (2021)
\n",
"\n",
"\n",
@@ -20,30 +20,30 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "Zarz\u0105dzanie dialogiem z wykorzystaniem regu\u0142\n",
+ "Zarządzanie dialogiem z wykorzystaniem reguł\n",
"============================================\n",
"\n",
- "Agent dialogowy wykorzystuje do zarz\u0105dzanie dialogiem dwa modu\u0142y:\n",
+ "Agent dialogowy wykorzystuje do zarządzanie dialogiem dwa moduły:\n",
"\n",
- " - monitor stanu dialogu (dialogue state tracker, DST) \u2014 modu\u0142 odpowiedzialny za \u015bledzenie stanu dialogu.\n",
+ " - monitor stanu dialogu (dialogue state tracker, DST) — moduł odpowiedzialny za śledzenie stanu dialogu.\n",
"\n",
- " - taktyk\u0119 prowadzenia dialogu (dialogue policy) \u2014 modu\u0142, kt\u00f3ry na podstawie stanu dialogu\n",
- " podejmuje decyzj\u0119 o tym jak\u0105 akcj\u0119 (akt systemu) agent ma podj\u0105\u0107 w kolejnej turze.\n",
+ " - taktykę prowadzenia dialogu (dialogue policy) — moduł, który na podstawie stanu dialogu\n",
+ " podejmuje decyzję o tym jaką akcję (akt systemu) agent ma podjąć w kolejnej turze.\n",
"\n",
- "Oba modu\u0142y mog\u0105 by\u0107 realizowane zar\u00f3wno z wykorzystaniem regu\u0142 jak i uczenia maszynowego.\n",
- "Mog\u0105 one zosta\u0107 r\u00f3wnie\u017c po\u0142\u0105czone w pojedynczy modu\u0142 zwany w\u00f3wczas *mened\u017cerem dialogu*.\n",
+ "Oba moduły mogą być realizowane zarówno z wykorzystaniem reguł jak i uczenia maszynowego.\n",
+ "Mogą one zostać również połączone w pojedynczy moduł zwany wówczas *menedżerem dialogu*.\n",
"\n",
- "Przyk\u0142ad\n",
+ "Przykład\n",
"--------\n",
"\n",
- "Zaimplementujemy regu\u0142owe modu\u0142y monitora stanu dialogu oraz taktyki dialogowej a nast\u0119pnie\n",
- "osadzimy je w \u015brodowisku *[ConvLab-2](https://github.com/thu-coai/ConvLab-2)*,\n",
- "kt\u00f3re s\u0142u\u017cy do ewaluacji system\u00f3w dialogowych.\n",
+ "Zaimplementujemy regułowe moduły monitora stanu dialogu oraz taktyki dialogowej a następnie\n",
+ "osadzimy je w środowisku *[ConvLab-2](https://github.com/thu-coai/ConvLab-2)*,\n",
+ "które służy do ewaluacji systemów dialogowych.\n",
"\n",
- "**Uwaga:** Niekt\u00f3re modu\u0142y \u015brodowiska *ConvLab-2* nie s\u0105 zgodne z najnowszymi wersjami Pythona,\n",
- "dlatego przed uruchomieniem poni\u017cszych przyk\u0142ad\u00f3w nale\u017cy si\u0119 upewni\u0107, \u017ce maj\u0105 Pa\u0144stwo interpreter\n",
- "Pythona w wersji 3.7. W przypadku nowszych wersji Ubuntu Pythona 3.7 mo\u017cna zainstalowa\u0107 z\n",
- "repozytorium `deadsnakes`, wykonuj\u0105c polecenia przedstawione poni\u017cej.\n",
+ "**Uwaga:** Niektóre moduły środowiska *ConvLab-2* nie są zgodne z najnowszymi wersjami Pythona,\n",
+ "dlatego przed uruchomieniem poniższych przykładów należy się upewnić, że mają Państwo interpreter\n",
+ "Pythona w wersji 3.7. W przypadku nowszych wersji Ubuntu Pythona 3.7 można zainstalować z\n",
+ "repozytorium `deadsnakes`, wykonując polecenia przedstawione poniżej.\n",
"\n",
"```\n",
"sudo add-apt-repository ppa:deadsnakes/ppa\n",
@@ -51,20 +51,20 @@
"sudo apt install python3.7 python3.7-dev python3.7-venv\n",
"```\n",
"\n",
- "W przypadku innych system\u00f3w mo\u017cna skorzysta\u0107 np. z narz\u0119dzia [pyenv](https://github.com/pyenv/pyenv) lub \u015brodowiska [conda](https://conda.io).\n",
+ "W przypadku innych systemów można skorzystać np. z narzędzia [pyenv](https://github.com/pyenv/pyenv) lub środowiska [conda](https://conda.io).\n",
"\n",
- "Ze wzgl\u0119du na to, \u017ce *ConvLab-2* ma wiele zale\u017cno\u015bci zach\u0119cam r\u00f3wnie\u017c do skorzystania ze \u015brodowiska\n",
- "wirtualnego `venv`, w kt\u00f3rym modu\u0142y zale\u017cne mog\u0105 zosta\u0107 zainstalowane.\n",
- "W tym celu nale\u017cy wykona\u0107 nast\u0119puj\u0105ce polecenia\n",
+ "Ze względu na to, że *ConvLab-2* ma wiele zależności zachęcam również do skorzystania ze środowiska\n",
+ "wirtualnego `venv`, w którym moduły zależne mogą zostać zainstalowane.\n",
+ "W tym celu należy wykonać następujące polecenia\n",
"\n",
"```\n",
- "python3.7 -m venv convenv # utworzenie nowego \u015brodowiska o nazwie convenv\n",
- "source convenv/bin/activate # aktywacja \u015brodowiska w bie\u017c\u0105cej pow\u0142oce\n",
- "pip install --ignore-installed jupyter # instalacja jupytera w \u015brodowisku convenv\n",
+ "python3.7 -m venv convenv # utworzenie nowego środowiska o nazwie convenv\n",
+ "source convenv/bin/activate # aktywacja środowiska w bieżącej powłoce\n",
+ "pip install --ignore-installed jupyter # instalacja jupytera w środowisku convenv\n",
"```\n",
"\n",
- "Po skonfigurowaniu \u015brodowiska mo\u017cna przyst\u0105pi\u0107 do instalacji *ConvLab-2*, korzystaj\u0105c z\n",
- "nast\u0119puj\u0105cych polece\u0144\n",
+ "Po skonfigurowaniu środowiska można przystąpić do instalacji *ConvLab-2*, korzystając z\n",
+ "następujących poleceń\n",
"\n",
"```\n",
"mkdir -p l08\n",
@@ -76,30 +76,54 @@
"cd ../..\n",
"```\n",
"\n",
- "Po zako\u0144czeniu instalacji nale\u017cy ponownie uruchomi\u0107 notatnik w pow\u0142oce, w kt\u00f3rej aktywne jest\n",
- "\u015brodowisko wirtualne *convenv*.\n",
+ "Po zakończeniu instalacji należy ponownie uruchomić notatnik w powłoce, w której aktywne jest\n",
+ "środowisko wirtualne *convenv*.\n",
"\n",
"```\n",
"jupyter notebook 08-zarzadzanie-dialogiem-reguly.ipynb\n",
"```\n",
"\n",
- "Dzia\u0142anie zaimplementowanych modu\u0142\u00f3w zilustrujemy, korzystaj\u0105c ze zbioru danych\n",
- "[MultiWOZ](https://github.com/budzianowski/multiwoz) (Budzianowski i in., 2018), kt\u00f3ry zawiera\n",
- "wypowiedzi dotycz\u0105ce m.in. rezerwacji pokoi hotelowych, zamawiania bilet\u00f3w kolejowych oraz\n",
- "rezerwacji stolik\u00f3w w restauracji.\n",
+ "Działanie zaimplementowanych modułów zilustrujemy, korzystając ze zbioru danych\n",
+ "[MultiWOZ](https://github.com/budzianowski/multiwoz) (Budzianowski i in., 2018), który zawiera\n",
+ "wypowiedzi dotyczące m.in. rezerwacji pokoi hotelowych, zamawiania biletów kolejowych oraz\n",
+ "rezerwacji stolików w restauracji.\n",
"\n",
"### Monitor Stanu Dialogu\n",
"\n",
- "Do reprezentowania stanu dialogu u\u017cyjemy struktury danych wykorzystywanej w *ConvLab-2*."
+ "Do reprezentowania stanu dialogu użyjemy struktury danych wykorzystywanej w *ConvLab-2*."
]
},
{
"cell_type": "code",
- "execution_count": null,
+ "execution_count": 3,
"metadata": {},
- "outputs": [],
+ "outputs": [
+ {
+ "data": {
+ "text/plain": [
+ "{'user_action': [],\n",
+ " 'system_action': [],\n",
+ " 'belief_state': {'cinema': {'book': {'title': '',\n",
+ " 'date': '',\n",
+ " 'time': '',\n",
+ " 'quantity': '',\n",
+ " 'seats': '',\n",
+ " 'area': '',\n",
+ " 'interval': ''},\n",
+ " 'semi': {'goal': ''}}},\n",
+ " 'request_state': {},\n",
+ " 'terminated': False,\n",
+ " 'history': []}"
+ ]
+ },
+ "execution_count": 3,
+ "metadata": {},
+ "output_type": "execute_result"
+ }
+ ],
"source": [
- "from convlab2.util.multiwoz.state import default_state\n",
+ "# from convlab2.util.multiwoz.state import default_state\n",
+ "from utils.state import default_state\n",
"default_state()"
]
},
@@ -107,19 +131,30 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "Metoda `update` naszego monitora stanu dialogu b\u0119dzie przyjmowa\u0107 akty u\u017cytkownika i odpowiednio\n",
- "modyfikowa\u0107 stan dialogu.\n",
- "W przypadku akt\u00f3w typu `inform` warto\u015bci slot\u00f3w zostan\u0105 zapami\u0119tane w s\u0142ownikach odpowiadaj\u0105cych\n",
- "poszczeg\u00f3lnym dziedzinom pod kluczem `belief_state`.\n",
- "W przypadku akt\u00f3w typu `request` sloty, o kt\u00f3re pyta u\u017cytkownik zostan\u0105 zapisane pod kluczem\n",
+ "Metoda `update` naszego monitora stanu dialogu będzie przyjmować akty użytkownika i odpowiednio\n",
+ "modyfikować stan dialogu.\n",
+ "W przypadku aktów typu `inform` wartości slotów zostaną zapamiętane w słownikach odpowiadających\n",
+ "poszczególnym dziedzinom pod kluczem `belief_state`.\n",
+ "W przypadku aktów typu `request` sloty, o które pyta użytkownik zostaną zapisane pod kluczem\n",
"`request_state`.\n"
]
},
{
"cell_type": "code",
- "execution_count": null,
+ "execution_count": 34,
"metadata": {},
- "outputs": [],
+ "outputs": [
+ {
+ "data": {
+ "text/plain": [
+ "\"\\nclass SimpleRuleDST(DST):\\n def __init__(self):\\n DST.__init__(self)\\n self.state = default_state()\\n self.value_dict = json.load(open('l08/ConvLab-2/data/multiwoz/value_dict.json'))\\n\\n def update(self, user_act=None):\\n for intent, domain, slot, value in user_act:\\n domain = domain.lower()\\n intent = intent.lower()\\n\\n if domain in ['unk', 'general', 'booking']:\\n continue\\n\\n if intent == 'inform':\\n k = REF_SYS_DA[domain.capitalize()].get(slot, slot)\\n\\n if k is None:\\n continue\\n\\n domain_dic = self.state['belief_state'][domain]\\n\\n if k in domain_dic['semi']:\\n nvalue = normalize_value(self.value_dict, domain, k, value)\\n self.state['belief_state'][domain]['semi'][k] = nvalue\\n elif k in domain_dic['book']:\\n self.state['belief_state'][domain]['book'][k] = value\\n elif k.lower() in domain_dic['book']:\\n self.state['belief_state'][domain]['book'][k.lower()] = value\\n elif intent == 'request':\\n k = REF_SYS_DA[domain.capitalize()].get(slot, slot)\\n\\n if domain not in self.state['request_state']:\\n self.state['request_state'][domain] = {}\\n if k not in self.state['request_state'][domain]:\\n self.state['request_state'][domain][k] = 0\\n\\n return self.state\\n\\n def init_session(self):\\n self.state = default_state()\\n\""
+ ]
+ },
+ "execution_count": 34,
+ "metadata": {},
+ "output_type": "execute_result"
+ }
+ ],
"source": [
"import json\n",
"import os\n",
@@ -127,7 +162,50 @@
"from convlab2.dst.rule.multiwoz.dst_util import normalize_value\n",
"from convlab2.util.multiwoz.multiwoz_slot_trans import REF_SYS_DA\n",
"\n",
+ "class SimpleRuleDST(DST):\n",
+ " def __init__(self):\n",
+ " DST.__init__(self)\n",
+ " self.state = default_state()\n",
+ " self.value_dict = json.load(open('utils/value_dict.json'))\n",
"\n",
+ " def update(self, user_act=None):\n",
+ " for intent, domain, slot, value in user_act:\n",
+ " domain = domain.lower()\n",
+ " intent = intent.lower()\n",
+ " value = value.lower()\n",
+ "\n",
+ " # if domain in ['unk', 'cinema']:\n",
+ " # continue\n",
+ " k = slot\n",
+ "\n",
+ " if intent == 'inform':\n",
+ " # k = REF_SYS_DA[domain.capitalize()].get(slot, slot)\n",
+ " # if k is None:\n",
+ " # continue\n",
+ "\n",
+ " domain_dic = self.state['belief_state'][domain]\n",
+ "\n",
+ " if k in domain_dic['semi']:\n",
+ " # nvalue = normalize_value(self.value_dict, domain, k, value)\n",
+ " self.state['belief_state'][domain]['semi'][k] = value\n",
+ " elif k in domain_dic['book']:\n",
+ " self.state['belief_state'][domain]['book'][k] = value\n",
+ " elif k.lower() in domain_dic['book']:\n",
+ " self.state['belief_state'][domain]['book'][k.lower()] = value\n",
+ " elif intent == 'request':\n",
+ " # k = REF_SYS_DA[domain.capitalize()].get(slot, slot)\n",
+ "\n",
+ " if domain not in self.state['request_state']:\n",
+ " self.state['request_state'][domain] = {}\n",
+ " if k not in self.state['request_state'][domain]:\n",
+ " self.state['request_state'][domain][k] = 0\n",
+ "\n",
+ " return self.state\n",
+ "\n",
+ " def init_session(self):\n",
+ " self.state = default_state()\n",
+ "\n",
+ "'''\n",
"class SimpleRuleDST(DST):\n",
" def __init__(self):\n",
" DST.__init__(self)\n",
@@ -168,32 +246,56 @@
" return self.state\n",
"\n",
" def init_session(self):\n",
- " self.state = default_state()\n"
+ " self.state = default_state()\n",
+ "'''\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
- "W definicji metody `update` zak\u0142adamy, \u017ce akty dialogowe przekazywane do monitora stanu dialogu z\n",
- "modu\u0142u NLU s\u0105 czteroelementowymi listami z\u0142o\u017conymi z:\n",
+ "W definicji metody `update` zakładamy, że akty dialogowe przekazywane do monitora stanu dialogu z\n",
+ "modułu NLU są czteroelementowymi listami złożonymi z:\n",
"\n",
- " - nazwy aktu u\u017cytkownika,\n",
- " - nazwy dziedziny, kt\u00f3rej dotyczy wypowied\u017a,\n",
+ " - nazwy aktu użytkownika,\n",
+ " - nazwy dziedziny, której dotyczy wypowiedź,\n",
" - nazwy slotu,\n",
- " - warto\u015bci slotu.\n",
+ " - wartości slotu.\n",
"\n",
- "Zobaczmy na kilku prostych przyk\u0142adach jak stan dialogu zmienia si\u0119 pod wp\u0142ywem przekazanych akt\u00f3w\n",
- "u\u017cytkownika."
+ "Zobaczmy na kilku prostych przykładach jak stan dialogu zmienia się pod wpływem przekazanych aktów\n",
+ "użytkownika."
]
},
{
"cell_type": "code",
- "execution_count": null,
+ "execution_count": 35,
"metadata": {
"lines_to_next_cell": 0
},
- "outputs": [],
+ "outputs": [
+ {
+ "data": {
+ "text/plain": [
+ "{'user_action': [],\n",
+ " 'system_action': [],\n",
+ " 'belief_state': {'cinema': {'book': {'title': '',\n",
+ " 'date': '',\n",
+ " 'time': '',\n",
+ " 'quantity': '',\n",
+ " 'seats': '',\n",
+ " 'area': '',\n",
+ " 'interval': ''},\n",
+ " 'semi': {'goal': ''}}},\n",
+ " 'request_state': {},\n",
+ " 'terminated': False,\n",
+ " 'history': []}"
+ ]
+ },
+ "execution_count": 35,
+ "metadata": {},
+ "output_type": "execute_result"
+ }
+ ],
"source": [
"dst = SimpleRuleDST()\n",
"dst.state"
@@ -201,37 +303,84 @@
},
{
"cell_type": "code",
- "execution_count": null,
+ "execution_count": 36,
"metadata": {
"lines_to_next_cell": 0
},
- "outputs": [],
+ "outputs": [
+ {
+ "data": {
+ "text/plain": [
+ "{'book': {'title': 'batman',\n",
+ " 'date': '',\n",
+ " 'time': '15:00',\n",
+ " 'quantity': '',\n",
+ " 'seats': '',\n",
+ " 'area': '',\n",
+ " 'interval': ''},\n",
+ " 'semi': {'goal': ''}}"
+ ]
+ },
+ "execution_count": 36,
+ "metadata": {},
+ "output_type": "execute_result"
+ }
+ ],
"source": [
- "dst.update([['Inform', 'Hotel', 'Price', 'cheap'], ['Inform', 'Hotel', 'Parking', 'yes']])\n",
- "dst.state['belief_state']['hotel']"
+ "dst.update([['Inform', 'Cinema', 'time', '15:00'], ['Inform', 'Cinema', 'title', 'Batman']])\n",
+ "dst.state['belief_state']['cinema']"
]
},
{
"cell_type": "code",
- "execution_count": null,
+ "execution_count": 37,
"metadata": {
"lines_to_next_cell": 0
},
- "outputs": [],
+ "outputs": [
+ {
+ "data": {
+ "text/plain": [
+ "{'book': {'title': 'batman',\n",
+ " 'date': '',\n",
+ " 'time': '15:00',\n",
+ " 'quantity': '',\n",
+ " 'seats': '',\n",
+ " 'area': 'na górze na środku',\n",
+ " 'interval': ''},\n",
+ " 'semi': {'goal': ''}}"
+ ]
+ },
+ "execution_count": 37,
+ "metadata": {},
+ "output_type": "execute_result"
+ }
+ ],
"source": [
- "dst.update([['Inform', 'Hotel', 'Area', 'north']])\n",
- "dst.state['belief_state']['hotel']"
+ "dst.update([['Inform', 'Cinema', 'area', 'na górze na środku']])\n",
+ "dst.state['belief_state']['cinema']"
]
},
{
"cell_type": "code",
- "execution_count": null,
+ "execution_count": 38,
"metadata": {
"lines_to_next_cell": 0
},
- "outputs": [],
+ "outputs": [
+ {
+ "data": {
+ "text/plain": [
+ "{'cinema': {'date': 0}}"
+ ]
+ },
+ "execution_count": 38,
+ "metadata": {},
+ "output_type": "execute_result"
+ }
+ ],
"source": [
- "dst.update([['Request', 'Hotel', 'Area', '?']])\n",
+ "dst.update([['Request', 'Cinema', 'date', '?']])\n",
"dst.state['request_state']"
]
},
@@ -241,7 +390,28 @@
"metadata": {
"lines_to_next_cell": 0
},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ },
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ }
+ ],
"source": [
"dst.update([['Inform', 'Hotel', 'Day', 'tuesday'], ['Inform', 'Hotel', 'People', '2'], ['Inform', 'Hotel', 'Stay', '4']])\n",
"dst.state['belief_state']['hotel']"
@@ -249,9 +419,32 @@
},
{
"cell_type": "code",
- "execution_count": null,
+ "execution_count": 39,
"metadata": {},
- "outputs": [],
+ "outputs": [
+ {
+ "data": {
+ "text/plain": [
+ "{'user_action': [],\n",
+ " 'system_action': [],\n",
+ " 'belief_state': {'cinema': {'book': {'title': 'batman',\n",
+ " 'date': '',\n",
+ " 'time': '15:00',\n",
+ " 'quantity': '',\n",
+ " 'seats': '',\n",
+ " 'area': 'na górze na środku',\n",
+ " 'interval': ''},\n",
+ " 'semi': {'goal': ''}}},\n",
+ " 'request_state': {'cinema': {'date': 0}},\n",
+ " 'terminated': False,\n",
+ " 'history': []}"
+ ]
+ },
+ "execution_count": 39,
+ "metadata": {},
+ "output_type": "execute_result"
+ }
+ ],
"source": [
"dst.state"
]
@@ -262,25 +455,46 @@
"source": [
"### Taktyka Prowadzenia Dialogu\n",
"\n",
- "Prosta taktyka prowadzenia dialogu dla systemu rezerwacji pokoi hotelowych mo\u017ce sk\u0142ada\u0107 si\u0119 z nast\u0119puj\u0105cych regu\u0142:\n",
+ "Prosta taktyka prowadzenia dialogu dla systemu rezerwacji pokoi hotelowych może składać się z następujących reguł:\n",
"\n",
- " 1. Je\u017celi u\u017cytkownik przekaza\u0142 w ostatniej turze akt typu `Request`, to udziel odpowiedzi na jego\n",
+ " 1. Jeżeli użytkownik przekazał w ostatniej turze akt typu `Request`, to udziel odpowiedzi na jego\n",
" pytanie.\n",
"\n",
- " 2. Je\u017celi u\u017cytkownik przekaza\u0142 w ostatniej turze akt typu `Inform`, to zaproponuj mu hotel\n",
- " spe\u0142niaj\u0105cy zdefiniowane przez niego kryteria.\n",
+ " 2. Jeżeli użytkownik przekazał w ostatniej turze akt typu `Inform`, to zaproponuj mu hotel\n",
+ " spełniający zdefiniowane przez niego kryteria.\n",
"\n",
- " 3. Je\u017celi u\u017cytkownik przekaza\u0142 w ostatniej turze akt typu `Inform` zawieraj\u0105cy szczeg\u00f3\u0142y\n",
- " rezerwacji, to zarezerwuj pok\u00f3j.\n",
+ " 3. Jeżeli użytkownik przekazał w ostatniej turze akt typu `Inform` zawierający szczegóły\n",
+ " rezerwacji, to zarezerwuj pokój.\n",
"\n",
- "Metoda `predict` taktyki `SimpleRulePolicy` realizuje regu\u0142y przedstawione powy\u017cej."
+ "Metoda `predict` taktyki `SimpleRulePolicy` realizuje reguły przedstawione powyżej."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ },
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ }
+ ],
"source": [
"from collections import defaultdict\n",
"import copy\n",
@@ -308,7 +522,7 @@
" for user_act in user_action:\n",
" self.update_system_action(user_act, user_action, state, system_action)\n",
"\n",
- " # Regu\u0142a 3\n",
+ " # Reguła 3\n",
" if any(True for slots in user_action.values() for (slot, _) in slots if slot in ['Stay', 'Day', 'People']):\n",
" if self.results:\n",
" system_action = {('Booking', 'Book'): [[\"Ref\", self.results[0].get('Ref', 'N/A')]]}\n",
@@ -322,7 +536,7 @@
" constraints = [(slot, value) for slot, value in state['belief_state'][domain.lower()]['semi'].items() if value != '']\n",
" self.results = deepcopy(self.db.query(domain.lower(), constraints))\n",
"\n",
- " # Regu\u0142a 1\n",
+ " # Reguła 1\n",
" if intent == 'Request':\n",
" if len(self.results) == 0:\n",
" system_action[(domain, 'NoOffer')] = []\n",
@@ -333,7 +547,7 @@
" if kb_slot_name in self.results[0]:\n",
" system_action[(domain, 'Inform')].append([slot[0], self.results[0].get(kb_slot_name, 'unknown')])\n",
"\n",
- " # Regu\u0142a 2\n",
+ " # Reguła 2\n",
" elif intent == 'Inform':\n",
" if len(self.results) == 0:\n",
" system_action[(domain, 'NoOffer')] = []\n",
@@ -349,14 +563,14 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "Podobnie jak w przypadku akt\u00f3w u\u017cytkownika akty systemowe przekazywane do modu\u0142u NLG s\u0105 czteroelementowymi listami z\u0142o\u017conymi z:\n",
+ "Podobnie jak w przypadku aktów użytkownika akty systemowe przekazywane do modułu NLG są czteroelementowymi listami złożonymi z:\n",
"\n",
" - nazwy aktu systemowe,\n",
- " - nazwy dziedziny, kt\u00f3rej dotyczy wypowied\u017a,\n",
+ " - nazwy dziedziny, której dotyczy wypowiedź,\n",
" - nazwy slotu,\n",
- " - warto\u015bci slotu.\n",
+ " - wartości slotu.\n",
"\n",
- "Sprawd\u017amy jakie akty systemowe zwraca taktyka `SimpleRulePolicy` w odpowiedzi na zmieniaj\u0105cy si\u0119 stan dialogu."
+ "Sprawdźmy jakie akty systemowe zwraca taktyka `SimpleRulePolicy` w odpowiedzi na zmieniający się stan dialogu."
]
},
{
@@ -365,7 +579,28 @@
"metadata": {
"lines_to_next_cell": 0
},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ },
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ }
+ ],
"source": [
"from convlab2.dialog_agent import PipelineAgent\n",
"dst.init_session()\n",
@@ -379,7 +614,28 @@
"metadata": {
"lines_to_next_cell": 0
},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ },
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ }
+ ],
"source": [
"agent.response([['Inform', 'Hotel', 'Price', 'cheap'], ['Inform', 'Hotel', 'Parking', 'yes']])"
]
@@ -390,7 +646,28 @@
"metadata": {
"lines_to_next_cell": 0
},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ },
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ }
+ ],
"source": [
"agent.response([['Inform', 'Hotel', 'Area', 'north']])"
]
@@ -401,7 +678,28 @@
"metadata": {
"lines_to_next_cell": 0
},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ },
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ }
+ ],
"source": [
"agent.response([['Request', 'Hotel', 'Area', '?']])"
]
@@ -410,7 +708,28 @@
"cell_type": "code",
"execution_count": null,
"metadata": {},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ },
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ }
+ ],
"source": [
"agent.response([['Inform', 'Hotel', 'Day', 'tuesday'], ['Inform', 'Hotel', 'People', '2'], ['Inform', 'Hotel', 'Stay', '4']])"
]
@@ -421,15 +740,36 @@
"source": [
"### Testy End-to-End\n",
"\n",
- "Na koniec przeprowad\u017amy dialog \u0142\u0105cz\u0105c w potok nasze modu\u0142y\n",
- "z modu\u0142ami NLU i NLG dost\u0119pnymi dla MultiWOZ w \u015brodowisku `ConvLab-2`."
+ "Na koniec przeprowadźmy dialog łącząc w potok nasze moduły\n",
+ "z modułami NLU i NLG dostępnymi dla MultiWOZ w środowisku `ConvLab-2`."
]
},
{
"cell_type": "code",
"execution_count": null,
"metadata": {},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ },
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ }
+ ],
"source": [
"from convlab2.nlu.svm.multiwoz import SVMNLU\n",
"from convlab2.nlg.template.multiwoz import TemplateNLG\n",
@@ -445,7 +785,28 @@
"metadata": {
"lines_to_next_cell": 0
},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ },
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ }
+ ],
"source": [
"agent.response(\"I need a cheap hotel with free parking .\")"
]
@@ -456,7 +817,28 @@
"metadata": {
"lines_to_next_cell": 0
},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ },
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ }
+ ],
"source": [
"agent.response(\"Where it is located ?\")"
]
@@ -467,7 +849,28 @@
"metadata": {
"lines_to_next_cell": 0
},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ },
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ }
+ ],
"source": [
"agent.response(\"I would prefer the hotel be in the north part of town .\")"
]
@@ -476,7 +879,28 @@
"cell_type": "code",
"execution_count": null,
"metadata": {},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ },
+ {
+ "ename": "",
+ "evalue": "",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31mRunning cells with 'Python 3.6.15 ('sysdial')' requires ipykernel package.\n",
+ "Run the following command to install 'ipykernel' into the Python environment. \n",
+ "Command: 'conda install -n sysdial ipykernel --update-deps --force-reinstall'"
+ ]
+ }
+ ],
"source": [
"agent.response(\"Yeah , could you book me a room for 2 people for 4 nights starting Tuesday ?\")"
]
@@ -485,44 +909,64 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "Zauwa\u017cmy, ze nasza prosta taktyka dialogowa zawiera wiele luk, do kt\u00f3rych nale\u017c\u0105 m.in.:\n",
+ "Zauważmy, ze nasza prosta taktyka dialogowa zawiera wiele luk, do których należą m.in.:\n",
"\n",
- " 1. Niezdolno\u015b\u0107 do udzielenia odpowiedzi na przywitanie, pro\u015bb\u0119 o pomoc lub restart.\n",
+ " 1. Niezdolność do udzielenia odpowiedzi na przywitanie, prośbę o pomoc lub restart.\n",
"\n",
- " 2. Brak regu\u0142 dopytuj\u0105cych u\u017cytkownika o szczeg\u00f3\u0142y niezb\u0119dne do dokonania rezerwacji takie, jak d\u0142ugo\u015b\u0107 pobytu czy liczba os\u00f3b.\n",
+ " 2. Brak reguł dopytujących użytkownika o szczegóły niezbędne do dokonania rezerwacji takie, jak długość pobytu czy liczba osób.\n",
"\n",
- "Bardziej zaawansowane modu\u0142y zarz\u0105dzania dialogiem zbudowane z wykorzystaniem regu\u0142 mo\u017cna znale\u017a\u0107 w\n",
- "\u015brodowisku `ConvLab-2`. Nale\u017c\u0105 do nich m.in. monitor [RuleDST](https://github.com/thu-coai/ConvLab-2/blob/master/convlab2/dst/rule/multiwoz/dst.py) oraz taktyka [RuleBasedMultiwozBot](https://github.com/thu-coai/ConvLab-2/blob/master/convlab2/policy/rule/multiwoz/rule_based_multiwoz_bot.py).\n",
+ "Bardziej zaawansowane moduły zarządzania dialogiem zbudowane z wykorzystaniem reguł można znaleźć w\n",
+ "środowisku `ConvLab-2`. Należą do nich m.in. monitor [RuleDST](https://github.com/thu-coai/ConvLab-2/blob/master/convlab2/dst/rule/multiwoz/dst.py) oraz taktyka [RuleBasedMultiwozBot](https://github.com/thu-coai/ConvLab-2/blob/master/convlab2/policy/rule/multiwoz/rule_based_multiwoz_bot.py).\n",
"\n",
"Zadania\n",
"-------\n",
- " 1. Zaimplementowa\u0107 w projekcie monitor stanu dialogu.\n",
+ " 1. Zaimplementować w projekcie monitor stanu dialogu.\n",
"\n",
- " 2. Zaimplementowa\u0107 w projekcie taktyk\u0119 prowadzenia dialogu.\n",
+ " 2. Zaimplementować w projekcie taktykę prowadzenia dialogu.\n",
"\n",
"Termin: 24.05.2021, godz. 23:59.\n",
"\n",
"Literatura\n",
"----------\n",
- " 1. Pawel Budzianowski, Tsung-Hsien Wen, Bo-Hsiang Tseng, I\u00f1igo Casanueva, Stefan Ultes, Osman Ramadan, Milica Gasic, MultiWOZ - A Large-Scale Multi-Domain Wizard-of-Oz Dataset for Task-Oriented Dialogue Modelling. EMNLP 2018, pp. 5016-5026\n",
- " 2. Cathy Pearl, Basic principles for designing voice user interfaces, https://www.oreilly.com/content/basic-principles-for-designing-voice-user-interfaces/ data dost\u0119pu: 21 marca 2021\n",
- " 3. Cathy Pearl, Designing Voice User Interfaces, Excerpts from Chapter 5: Advanced Voice User Interface Design, https://www.uxmatters.com/mt/archives/2018/01/designing-voice-user-interfaces.php data dost\u0119pu: 21 marca 2021"
+ " 1. Pawel Budzianowski, Tsung-Hsien Wen, Bo-Hsiang Tseng, Iñigo Casanueva, Stefan Ultes, Osman Ramadan, Milica Gasic, MultiWOZ - A Large-Scale Multi-Domain Wizard-of-Oz Dataset for Task-Oriented Dialogue Modelling. EMNLP 2018, pp. 5016-5026\n",
+ " 2. Cathy Pearl, Basic principles for designing voice user interfaces, https://www.oreilly.com/content/basic-principles-for-designing-voice-user-interfaces/ data dostępu: 21 marca 2021\n",
+ " 3. Cathy Pearl, Designing Voice User Interfaces, Excerpts from Chapter 5: Advanced Voice User Interface Design, https://www.uxmatters.com/mt/archives/2018/01/designing-voice-user-interfaces.php data dostępu: 21 marca 2021"
]
}
],
"metadata": {
+ "author": "Marek Kubis",
+ "email": "mkubis@amu.edu.pl",
+ "interpreter": {
+ "hash": "91e2b0d1baa6ebb76863bdb1d11380bf032a6a1fc1b919194f041a5133852891"
+ },
"jupytext": {
"cell_metadata_filter": "-all",
"main_language": "python",
"notebook_metadata_filter": "-all"
},
- "author": "Marek Kubis",
- "email": "mkubis@amu.edu.pl",
+ "kernelspec": {
+ "display_name": "Python 3.7.9 ('venv': venv)",
+ "language": "python",
+ "name": "python3"
+ },
"lang": "pl",
- "subtitle": "9.Zarz\u0105dzanie dialogiem z wykorzystaniem regu\u0142[laboratoria]",
+ "language_info": {
+ "codemirror_mode": {
+ "name": "ipython",
+ "version": 3
+ },
+ "file_extension": ".py",
+ "mimetype": "text/x-python",
+ "name": "python",
+ "nbconvert_exporter": "python",
+ "pygments_lexer": "ipython3",
+ "version": "3.7.9"
+ },
+ "subtitle": "9.Zarządzanie dialogiem z wykorzystaniem reguł[laboratoria]",
"title": "Systemy Dialogowe",
"year": "2021"
},
"nbformat": 4,
"nbformat_minor": 4
-}
\ No newline at end of file
+}
diff --git a/lab/10-zarzadzanie-dialogiem-uczenie.ipynb b/lab/10-zarzadzanie-dialogiem-uczenie.ipynb
index a1c2a2c..1d02d9c 100644
--- a/lab/10-zarzadzanie-dialogiem-uczenie.ipynb
+++ b/lab/10-zarzadzanie-dialogiem-uczenie.ipynb
@@ -9,7 +9,7 @@
"\n",
"\n",
"
Systemy Dialogowe
\n",
- " 10. Zarz\u0105dzanie dialogiem z wykorzystaniem technik uczenia maszynowego [laboratoria]
\n",
+ " 10. Zarządzanie dialogiem z wykorzystaniem technik uczenia maszynowego [laboratoria]
\n",
" Marek Kubis (2021)
\n",
"\n",
"\n",
@@ -20,23 +20,23 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "Zarz\u0105dzanie dialogiem z wykorzystaniem technik uczenia maszynowego\n",
+ "Zarządzanie dialogiem z wykorzystaniem technik uczenia maszynowego\n",
"==================================================================\n",
"\n",
"Uczenie przez wzmacnianie\n",
"-------------------------\n",
"\n",
- "Zamiast r\u0119cznie implementowa\u0107 zbi\u00f3r regu\u0142 odpowiedzialnych za wyznaczenie akcji, kt\u00f3r\u0105 powinien podj\u0105\u0107 agent b\u0119d\u0105c w danym stanie, odpowiedni\u0105 taktyk\u0119 prowadzenia dialogu mo\u017cna zbudowa\u0107, wykorzystuj\u0105c techniki uczenia maszynowego.\n",
+ "Zamiast ręcznie implementować zbiór reguł odpowiedzialnych za wyznaczenie akcji, którą powinien podjąć agent będąc w danym stanie, odpowiednią taktykę prowadzenia dialogu można zbudować, wykorzystując techniki uczenia maszynowego.\n",
"\n",
- "Obok metod uczenia nadzorowanego, kt\u00f3re wykorzystali\u015bmy do zbudowania modelu NLU, do konstruowania taktyk\n",
- "prowadzenia dialogu wykorzystuje si\u0119 r\u00f3wnie\u017c *uczenie przez wzmacnianie* (ang. *reinforcement learning*).\n",
+ "Obok metod uczenia nadzorowanego, które wykorzystaliśmy do zbudowania modelu NLU, do konstruowania taktyk\n",
+ "prowadzenia dialogu wykorzystuje się również *uczenie przez wzmacnianie* (ang. *reinforcement learning*).\n",
"\n",
- "W tym uj\u0119ciu szuka\u0107 b\u0119dziemy funkcji $Q*: S \\times A \\to R$, kt\u00f3ra dla stanu dialogu $s \\in S$ oraz aktu\n",
- "dialogowego $a \\in A$ zwraca nagrod\u0119 (ang. *reward*) $r \\in R$, tj. warto\u015b\u0107 rzeczywist\u0105 pozwalaj\u0105c\u0105 oceni\u0107 na ile\n",
- "podj\u0119cie akcji $a$ w stanie $s$ jest korzystne.\n",
+ "W tym ujęciu szukać będziemy funkcji $Q*: S \\times A \\to R$, która dla stanu dialogu $s \\in S$ oraz aktu\n",
+ "dialogowego $a \\in A$ zwraca nagrodę (ang. *reward*) $r \\in R$, tj. wartość rzeczywistą pozwalającą ocenić na ile\n",
+ "podjęcie akcji $a$ w stanie $s$ jest korzystne.\n",
"\n",
- "Za\u0142o\u017cymy r\u00f3wnie\u017c, \u017ce poszukiwana funkcja powinna maksymalizowa\u0107 *zwrot* (ang. *return*), tj.\n",
- "skumulowan\u0105 nagrod\u0119 w toku prowadzonego dialogu, czyli dla tury $t_0$ cel uczenia powinien mie\u0107 posta\u0107:\n",
+ "Założymy również, że poszukiwana funkcja powinna maksymalizować *zwrot* (ang. *return*), tj.\n",
+ "skumulowaną nagrodę w toku prowadzonego dialogu, czyli dla tury $t_0$ cel uczenia powinien mieć postać:\n",
"\n",
"$$ \\sum_{t=t_0}^{\\infty}{\\gamma^{t-1}r_t} $$\n",
"\n",
@@ -46,36 +46,48 @@
"\n",
" - $r_t$: nagroda w turze $t$,\n",
"\n",
- " - $\\gamma \\in [0, 1]$: wsp\u00f3\u0142czynnik dyskontowy (w przypadku agent\u00f3w dialogowych bli\u017cej $1$ ni\u017c $0$, por. np. Rieser i Lemon (2011))."
+ " - $\\gamma \\in [0, 1]$: współczynnik dyskontowy (w przypadku agentów dialogowych bliżej $1$ niż $0$, por. np. Rieser i Lemon (2011))."
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
- "Agent dialogowy w procesie uczenia przez wzmacnianie wchodzi w interakcj\u0119 ze *\u015brodowiskiem*, kt\u00f3re\n",
- "dla akcji podejmowanej przez taktyk\u0119 prowadzenia dialogu zwraca kolejny stan oraz nagrod\u0119 powi\u0105zan\u0105 z\n",
- "wykonaniem tej akcji w bie\u017c\u0105cym stanie.\n",
+ "Agent dialogowy w procesie uczenia przez wzmacnianie wchodzi w interakcję ze *środowiskiem*, które\n",
+ "dla akcji podejmowanej przez taktykę prowadzenia dialogu zwraca kolejny stan oraz nagrodę powiązaną z\n",
+ "wykonaniem tej akcji w bieżącym stanie.\n",
"\n",
- "Spos\u00f3b w jaki informacje pochodz\u0105ce ze \u015brodowiska s\u0105 wykorzystywane do znalezienia funkcji $Q*$\n",
- "zale\u017cy od wybranej metody uczenia.\n",
- "W przyk\u0142adzie przestawionym poni\u017cej skorzystamy z algorytmu $DQN$ (Mnih i in., 2013) co oznacza, \u017ce:\n",
+ "Sposób w jaki informacje pochodzące ze środowiska są wykorzystywane do znalezienia funkcji $Q*$\n",
+ "zależy od wybranej metody uczenia.\n",
+ "W przykładzie przestawionym poniżej skorzystamy z algorytmu $DQN$ (Mnih i in., 2013) co oznacza, że:\n",
"\n",
- " 1. b\u0119dziemy aproksymowa\u0107 funkcj\u0119 $Q*$ sieci\u0105 neuronow\u0105,\n",
+ " 1. będziemy aproksymować funkcję $Q*$ siecią neuronową,\n",
"\n",
- " 2. wagi sieci b\u0119dziemy wyznacza\u0107 korzystaj\u0105c z metody spadku gradientu.\n",
+ " 2. wagi sieci będziemy wyznaczać korzystając z metody spadku gradientu.\n",
"\n",
- "Przyk\u0142ad\n",
+ "Przykład\n",
"--------\n",
"\n",
- "Taktyk\u0119 prowadzenia dialogu osadzimy w \u015brodowisku *ConvLab-2*."
+ "Taktykę prowadzenia dialogu osadzimy w środowisku *ConvLab-2*."
]
},
{
"cell_type": "code",
- "execution_count": null,
+ "execution_count": 2,
"metadata": {},
- "outputs": [],
+ "outputs": [
+ {
+ "ename": "ModuleNotFoundError",
+ "evalue": "No module named 'convlab2'",
+ "output_type": "error",
+ "traceback": [
+ "\u001b[1;31m---------------------------------------------------------------------------\u001b[0m",
+ "\u001b[1;31mModuleNotFoundError\u001b[0m Traceback (most recent call last)",
+ "\u001b[1;32mc:\\Develop\\wmi\\AITECH\\sem1\\Systemy dialogowe\\lab\\10-zarzadzanie-dialogiem-uczenie.ipynb Cell 4'\u001b[0m in \u001b[0;36m\u001b[1;34m()\u001b[0m\n\u001b[1;32m----> 1\u001b[0m \u001b[39mfrom\u001b[39;00m \u001b[39mconvlab2\u001b[39;00m\u001b[39m.\u001b[39;00m\u001b[39mdialog_agent\u001b[39;00m\u001b[39m.\u001b[39;00m\u001b[39magent\u001b[39;00m \u001b[39mimport\u001b[39;00m PipelineAgent\n\u001b[0;32m 2\u001b[0m \u001b[39mfrom\u001b[39;00m \u001b[39mconvlab2\u001b[39;00m\u001b[39m.\u001b[39;00m\u001b[39mdialog_agent\u001b[39;00m\u001b[39m.\u001b[39;00m\u001b[39menv\u001b[39;00m \u001b[39mimport\u001b[39;00m Environment\n\u001b[0;32m 3\u001b[0m \u001b[39mfrom\u001b[39;00m \u001b[39mconvlab2\u001b[39;00m\u001b[39m.\u001b[39;00m\u001b[39mdst\u001b[39;00m\u001b[39m.\u001b[39;00m\u001b[39mrule\u001b[39;00m\u001b[39m.\u001b[39;00m\u001b[39mmultiwoz\u001b[39;00m \u001b[39mimport\u001b[39;00m RuleDST\n",
+ "\u001b[1;31mModuleNotFoundError\u001b[0m: No module named 'convlab2'"
+ ]
+ }
+ ],
"source": [
"from convlab2.dialog_agent.agent import PipelineAgent\n",
"from convlab2.dialog_agent.env import Environment\n",
@@ -88,7 +100,7 @@
"\n",
"logging.disable(logging.DEBUG)\n",
"\n",
- "# determinizacja oblicze\u0144\n",
+ "# determinizacja obliczeń\n",
"import random\n",
"import torch\n",
"import numpy as np\n",
@@ -102,8 +114,8 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "\u015arodowisko, z kt\u00f3rym agent b\u0119dzie wchodzi\u0142 w interakcje zawiera\u0107 b\u0119dzie\n",
- "symulator u\u017cytkownika wykorzystuj\u0105cy taktyk\u0119 prowadzenia dialogu zbudowan\u0105 z wykorzystaniem regu\u0142."
+ "Środowisko, z którym agent będzie wchodził w interakcje zawierać będzie\n",
+ "symulator użytkownika wykorzystujący taktykę prowadzenia dialogu zbudowaną z wykorzystaniem reguł."
]
},
{
@@ -163,12 +175,12 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "Jak mo\u017cna zauwa\u017cy\u0107 powy\u017cej akcja, kt\u00f3ra prowadzi do pomy\u015blnego zako\u0144czenia zadania uzyskuje nagrod\u0119 $40$,\n",
- "akcja kt\u00f3ra prowadzi do prawid\u0142owego rozpoznania dziedziny uzyskuje nagrod\u0119 $5$,\n",
- "natomiast ka\u017cda inna akcja uzyskuje \"kar\u0119\" $-1$. Taka definicja zwrotu premiuje kr\u00f3tkie dialogi\n",
- "prowadz\u0105ce do pomy\u015blnego wykonania zadania.\n",
+ "Jak można zauważyć powyżej akcja, która prowadzi do pomyślnego zakończenia zadania uzyskuje nagrodę $40$,\n",
+ "akcja która prowadzi do prawidłowego rozpoznania dziedziny uzyskuje nagrodę $5$,\n",
+ "natomiast każda inna akcja uzyskuje \"karę\" $-1$. Taka definicja zwrotu premiuje krótkie dialogi\n",
+ "prowadzące do pomyślnego wykonania zadania.\n",
"\n",
- "Sie\u0107 neuronowa, kt\u00f3r\u0105 wykorzystamy do aproksymacji funkcji $Q*$ ma nast\u0119puj\u0105c\u0105 architektur\u0119"
+ "Sieć neuronowa, którą wykorzystamy do aproksymacji funkcji $Q*$ ma następującą architekturę"
]
},
{
@@ -207,14 +219,14 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "Ka\u017cdy krok procedury uczenia sk\u0142ada si\u0119 z dw\u00f3ch etap\u00f3w:\n",
+ "Każdy krok procedury uczenia składa się z dwóch etapów:\n",
"\n",
- " 1. Wygenerowania przy u\u017cyciu taktyki (metoda `policy.predict`) oraz \u015brodowiska (metoda `env.step`) *trajektorii*, tj. sekwencji przej\u015b\u0107 pomi\u0119dzy stanami z\u0142o\u017conych z krotek postaci:\n",
- " - stanu \u017ar\u00f3d\u0142owego,\n",
- " - podj\u0119tej akcji (aktu systemowego),\n",
+ " 1. Wygenerowania przy użyciu taktyki (metoda `policy.predict`) oraz środowiska (metoda `env.step`) *trajektorii*, tj. sekwencji przejść pomiędzy stanami złożonych z krotek postaci:\n",
+ " - stanu źródłowego,\n",
+ " - podjętej akcji (aktu systemowego),\n",
" - nagrody,\n",
" - stanu docelowego,\n",
- " - znacznika ko\u0144ca dialogu."
+ " - znacznika końca dialogu."
]
},
{
@@ -230,23 +242,23 @@
" max_trajectory_len = 50\n",
"\n",
" while sampled_num < batch_size:\n",
- " # rozpocz\u0119cie nowego dialogu\n",
+ " # rozpoczęcie nowego dialogu\n",
" s = env.reset()\n",
"\n",
" for t in range(max_trajectory_len):\n",
" try:\n",
- " # podj\u0119cie akcji przez agenta dialogowego\n",
+ " # podjęcie akcji przez agenta dialogowego\n",
" a = policy.predict(s, warm_up=warm_up)\n",
"\n",
- " # odpowied\u017a \u015brodowiska na podj\u0119t\u0105 akcje\n",
+ " # odpowiedź środowiska na podjętą akcje\n",
" next_s, r, done = env.step(a)\n",
"\n",
" # dodanie krotki do zbioru danych\n",
- " buff.push(torch.Tensor(policy.vector.state_vectorize(s)).numpy(), # stan \u017ar\u00f3d\u0142owy\n",
+ " buff.push(torch.Tensor(policy.vector.state_vectorize(s)).numpy(), # stan źródłowy\n",
" policy.vector.action_vectorize(a), # akcja\n",
" r, # nagroda\n",
" torch.Tensor(policy.vector.state_vectorize(next_s)).numpy(), # stan docelowy\n",
- " 0 if done else 1) # znacznik ko\u0144ca\n",
+ " 0 if done else 1) # znacznik końca\n",
"\n",
" s = next_s\n",
"\n",
@@ -266,7 +278,7 @@
"source": [
" 2. Wykorzystania wygenerowanych krotek do aktualizacji taktyki.\n",
"\n",
- "Funkcja `train` realizuj\u0105ca pojedynczy krok uczenia przez wzmacnianie ma nast\u0119puj\u0105c\u0105 posta\u0107"
+ "Funkcja `train` realizująca pojedynczy krok uczenia przez wzmacnianie ma następującą postać"
]
},
{
@@ -286,7 +298,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "Metoda `update` klasy `DQN` wykorzystywana do aktualizacji wag ma nast\u0119puj\u0105c\u0105 posta\u0107"
+ "Metoda `update` klasy `DQN` wykorzystywana do aktualizacji wag ma następującą postać"
]
},
{
@@ -327,7 +339,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "Przebieg procesu uczenia zilustrujemy wykonuj\u0105c 100 iteracji. W ka\u017cdej iteracji ograniczymy si\u0119 do 100 przyk\u0142ad\u00f3w."
+ "Przebieg procesu uczenia zilustrujemy wykonując 100 iteracji. W każdej iteracji ograniczymy się do 100 przykładów."
]
},
{
@@ -349,7 +361,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "Sprawd\u017amy jakie akty systemowe zwraca taktyka `DQN` w odpowiedzi na zmieniaj\u0105cy si\u0119 stan dialogu."
+ "Sprawdźmy jakie akty systemowe zwraca taktyka `DQN` w odpowiedzi na zmieniający się stan dialogu."
]
},
{
@@ -411,8 +423,8 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "Jako\u015b\u0107 wyuczonego modelu mo\u017cemy oceni\u0107 mierz\u0105c tzw. wska\u017anik sukcesu (ang. *task success rate*),\n",
- "tj. stosunek liczby dialog\u00f3w zako\u0144czonych powodzeniem do liczby wszystkich dialog\u00f3w."
+ "Jakość wyuczonego modelu możemy ocenić mierząc tzw. wskaźnik sukcesu (ang. *task success rate*),\n",
+ "tj. stosunek liczby dialogów zakończonych powodzeniem do liczby wszystkich dialogów."
]
},
{
@@ -455,10 +467,10 @@
"cell_type": "markdown",
"metadata": {},
"source": [
- "**Uwaga**: Chc\u0105c uzyska\u0107 taktyk\u0119 o skuteczno\u015bci por\u00f3wnywalnej z wynikami przedstawionymi na stronie\n",
+ "**Uwaga**: Chcąc uzyskać taktykę o skuteczności porównywalnej z wynikami przedstawionymi na stronie\n",
"[ConvLab-2](https://github.com/thu-coai/ConvLab-2/blob/master/README.md) trzeba odpowiednio\n",
- "zwi\u0119kszy\u0107 zar\u00f3wno liczb\u0119 iteracji jak i liczb\u0119 przyk\u0142ad\u00f3w generowanych w ka\u017cdym przyro\u015bcie.\n",
- "W celu przy\u015bpieszenia procesu uczenia warto zr\u00f3wnolegli\u0107 obliczenia, jak pokazano w\n",
+ "zwiększyć zarówno liczbę iteracji jak i liczbę przykładów generowanych w każdym przyroście.\n",
+ "W celu przyśpieszenia procesu uczenia warto zrównoleglić obliczenia, jak pokazano w\n",
"skrypcie [train.py](https://github.com/thu-coai/ConvLab-2/blob/master/convlab2/policy/dqn/train.py).\n",
"\n",
"Literatura\n",
@@ -472,18 +484,38 @@
}
],
"metadata": {
+ "author": "Marek Kubis",
+ "email": "mkubis@amu.edu.pl",
+ "interpreter": {
+ "hash": "2f9d6cf1e3d8195079a65c851de355134a77367bcd714b1a5d498c42d3c07114"
+ },
"jupytext": {
"cell_metadata_filter": "-all",
"main_language": "python",
"notebook_metadata_filter": "-all"
},
- "author": "Marek Kubis",
- "email": "mkubis@amu.edu.pl",
+ "kernelspec": {
+ "display_name": "Python 3.8.3 64-bit",
+ "language": "python",
+ "name": "python3"
+ },
"lang": "pl",
- "subtitle": "10.Zarz\u0105dzanie dialogiem z wykorzystaniem technik uczenia maszynowego[laboratoria]",
+ "language_info": {
+ "codemirror_mode": {
+ "name": "ipython",
+ "version": 3
+ },
+ "file_extension": ".py",
+ "mimetype": "text/x-python",
+ "name": "python",
+ "nbconvert_exporter": "python",
+ "pygments_lexer": "ipython3",
+ "version": "3.8.3"
+ },
+ "subtitle": "10.Zarządzanie dialogiem z wykorzystaniem technik uczenia maszynowego[laboratoria]",
"title": "Systemy Dialogowe",
"year": "2021"
},
"nbformat": 4,
"nbformat_minor": 4
-}
\ No newline at end of file
+}
diff --git a/lab/utils/state.py b/lab/utils/state.py
new file mode 100644
index 0000000..fa9f63e
--- /dev/null
+++ b/lab/utils/state.py
@@ -0,0 +1,25 @@
+def default_state():
+ state = dict(user_action=[],
+ system_action=[],
+ belief_state={},
+ request_state={},
+ terminated=False,
+ history=[])
+ state['belief_state'] = {
+ "cinema": {
+ "book": {
+ "title": "",
+ "date": "",
+ "time": "",
+ "quantity": "",
+ "seats": "",
+ "area": "",
+ "interval": "",
+ },
+ "semi": {
+ "goal": ""
+ }
+ },
+
+ }
+ return state
diff --git a/lab/utils/value_dict.json b/lab/utils/value_dict.json
new file mode 100644
index 0000000..ce6888b
--- /dev/null
+++ b/lab/utils/value_dict.json
@@ -0,0 +1,507 @@
+{
+ "train": {
+ "time": [
+ "05:51",
+ "07:51",
+ "09:51",
+ "11:51",
+ "13:51",
+ "15:51",
+ "17:51",
+ "19:51",
+ "21:51",
+ "23:51",
+ "06:08",
+ "08:08",
+ "10:08",
+ "12:08",
+ "14:08",
+ "16:08",
+ "18:08",
+ "20:08",
+ "22:08",
+ "24:08",
+ "07:27",
+ "09:27",
+ "11:27",
+ "13:27",
+ "15:27",
+ "17:27",
+ "19:27",
+ "21:27",
+ "23:27",
+ "01:27",
+ "07:07",
+ "09:07",
+ "11:07",
+ "13:07",
+ "15:07",
+ "17:07",
+ "19:07",
+ "21:07",
+ "23:07",
+ "01:07",
+ "05:58",
+ "06:58",
+ "07:58",
+ "08:58",
+ "09:58",
+ "10:58",
+ "11:58",
+ "12:58",
+ "13:58",
+ "14:58",
+ "15:58",
+ "16:58",
+ "17:58",
+ "18:58",
+ "19:58",
+ "20:58",
+ "21:58",
+ "22:58",
+ "23:58",
+ "06:55",
+ "07:55",
+ "08:55",
+ "09:55",
+ "10:55",
+ "11:55",
+ "12:55",
+ "13:55",
+ "14:55",
+ "15:55",
+ "16:55",
+ "17:55",
+ "18:55",
+ "19:55",
+ "20:55",
+ "21:55",
+ "22:55",
+ "23:55",
+ "24:55",
+ "06:35",
+ "07:35",
+ "08:35",
+ "09:35",
+ "10:35",
+ "11:35",
+ "12:35",
+ "13:35",
+ "14:35",
+ "15:35",
+ "16:35",
+ "17:35",
+ "18:35",
+ "19:35",
+ "20:35",
+ "21:35",
+ "22:35",
+ "23:35",
+ "24:35",
+ "05:56",
+ "06:24",
+ "06:56",
+ "07:24",
+ "07:56",
+ "08:24",
+ "08:56",
+ "09:24",
+ "09:56",
+ "10:24",
+ "10:56",
+ "11:24",
+ "11:56",
+ "12:24",
+ "12:56",
+ "13:24",
+ "13:56",
+ "14:24",
+ "14:56",
+ "15:24",
+ "15:56",
+ "16:24",
+ "16:56",
+ "17:24",
+ "17:56",
+ "18:24",
+ "18:56",
+ "19:24",
+ "19:56",
+ "20:24",
+ "20:56",
+ "21:24",
+ "21:56",
+ "22:24",
+ "22:56",
+ "23:24",
+ "23:56",
+ "24:24",
+ "06:09",
+ "06:38",
+ "07:09",
+ "07:38",
+ "08:09",
+ "08:38",
+ "09:09",
+ "09:38",
+ "10:09",
+ "10:38",
+ "11:09",
+ "11:38",
+ "12:09",
+ "12:38",
+ "13:09",
+ "13:38",
+ "14:09",
+ "14:38",
+ "15:09",
+ "15:38",
+ "16:09",
+ "16:38",
+ "17:09",
+ "17:38",
+ "18:09",
+ "18:38",
+ "19:09",
+ "19:38",
+ "20:09",
+ "20:38",
+ "21:09",
+ "21:38",
+ "22:09",
+ "22:38",
+ "23:09",
+ "23:38",
+ "24:09",
+ "24:38",
+ "06:07",
+ "08:07",
+ "10:07",
+ "12:07",
+ "14:07",
+ "16:07",
+ "18:07",
+ "20:07",
+ "22:07",
+ "24:07",
+ "05:52",
+ "07:52",
+ "09:52",
+ "11:52",
+ "13:52",
+ "15:52",
+ "17:52",
+ "19:52",
+ "21:52",
+ "23:52",
+ "07:08",
+ "09:08",
+ "11:08",
+ "13:08",
+ "15:08",
+ "17:08",
+ "19:08",
+ "21:08",
+ "23:08",
+ "06:52",
+ "08:52",
+ "10:52",
+ "12:52",
+ "14:52",
+ "16:52",
+ "18:52",
+ "20:52",
+ "22:52",
+ "07:06",
+ "08:06",
+ "09:06",
+ "10:06",
+ "11:06",
+ "12:06",
+ "13:06",
+ "14:06",
+ "15:06",
+ "16:06",
+ "17:06",
+ "18:06",
+ "19:06",
+ "20:06",
+ "21:06",
+ "22:06",
+ "23:06",
+ "24:06",
+ "01:06",
+ "06:54",
+ "07:54",
+ "08:54",
+ "09:54",
+ "10:54",
+ "11:54",
+ "12:54",
+ "13:54",
+ "14:54",
+ "15:54",
+ "16:54",
+ "17:54",
+ "18:54",
+ "19:54",
+ "20:54",
+ "21:54",
+ "22:54",
+ "23:54",
+ "24:54",
+ "07:44",
+ "08:44",
+ "09:44",
+ "10:44",
+ "11:44",
+ "12:44",
+ "13:44",
+ "14:44",
+ "15:44",
+ "16:44",
+ "17:44",
+ "18:44",
+ "19:44",
+ "20:44",
+ "21:44",
+ "22:44",
+ "23:44",
+ "24:44",
+ "01:44",
+ "08:23",
+ "09:23",
+ "10:23",
+ "11:23",
+ "12:23",
+ "13:23",
+ "14:23",
+ "15:23",
+ "16:23",
+ "17:23",
+ "18:23",
+ "19:23",
+ "20:23",
+ "21:23",
+ "22:23",
+ "23:23",
+ "24:23",
+ "01:23",
+ "02:23",
+ "06:01",
+ "07:01",
+ "08:01",
+ "09:01",
+ "10:01",
+ "11:01",
+ "12:01",
+ "13:01",
+ "14:01",
+ "15:01",
+ "16:01",
+ "17:01",
+ "18:01",
+ "19:01",
+ "20:01",
+ "21:01",
+ "22:01",
+ "23:01",
+ "24:01",
+ "06:32",
+ "07:32",
+ "08:32",
+ "09:32",
+ "10:32",
+ "11:32",
+ "12:32",
+ "13:32",
+ "14:32",
+ "15:32",
+ "16:32",
+ "17:32",
+ "18:32",
+ "19:32",
+ "20:32",
+ "21:32",
+ "22:32",
+ "23:32",
+ "24:32",
+ "06:10",
+ "08:10",
+ "10:10",
+ "12:10",
+ "14:10",
+ "16:10",
+ "18:10",
+ "20:10",
+ "22:10",
+ "24:10",
+ "06:43",
+ "08:43",
+ "10:43",
+ "12:43",
+ "14:43",
+ "16:43",
+ "18:43",
+ "20:43",
+ "22:43",
+ "24:43",
+ "pierwszą",
+ "drugą",
+ "trzecią",
+ "piątą",
+ "szóstą",
+ "siódmą",
+ "ósmą",
+ "dziewiatą",
+ "dziesiątą",
+ "jedenastą",
+ "dwunastą",
+ "trzynastą",
+ "czternastą",
+ "piętnastą",
+ "szesnastą",
+ "siedemnastą",
+ "osiemnastą",
+ "dziewiętnastą",
+ "dwudziestą pierwszą",
+ "dwudziestą drugą",
+ "dwudziestą trzecią",
+ "dwudziestą czwartą",
+ "o północy"
+ ],
+ "date": [
+ "w najbliższy poniedziałek",
+ "w najbliższy wtorek",
+ "w najbliższą środę",
+ "w najbliższy czwartek",
+ "w najbliższy piątek",
+ "w najbliższą sobotę",
+ "w najbliższą niedzielę",
+ "w poniedziałek",
+ "we wtorek",
+ "w środę",
+ "w czwartek",
+ "w piątek",
+ "w sobotę",
+ "w niedzielę",
+ "na najbliższy poniedziałek",
+ "na najbliższy wtorek",
+ "na najbliższą środę",
+ "na najbliższy czwartek",
+ "na najbliższy piątek",
+ "na najbliższą sobotę",
+ "na najbliższą niedzielę",
+ "najbliższy poniedziałek",
+ "najbliższy wtorek",
+ "najbliższa środa",
+ "najbliższy czwartek",
+ "najbliższy piątek",
+ "najbliższa sobota",
+ "najbliższa niedziela",
+ "na jutro",
+ "jutro",
+ "w dniu jutrzejszym",
+ "po jutrze",
+ "pojutrze",
+ "za dwa dni",
+ "za trzy dni",
+ "za tydzień",
+ "dzisiaj",
+ "dziś",
+ "na dzień 21/09",
+ "na 21/09",
+ "dzień 21/09",
+ "dnia 21/09",
+ "21/09",
+ "12/09",
+ "5/09",
+ "21/12",
+ "12/12",
+ "5/12",
+ "21/3",
+ "12/3",
+ "5/3"
+ ],
+ "quantities" : [
+ "1",
+ "2",
+ "3",
+ "4",
+ "5",
+ "6",
+ "7",
+ "8",
+ "9",
+ "10",
+ "11",
+ "12",
+ "13",
+ "14",
+ "15",
+ "16",
+ "17",
+ "18",
+ "19",
+ "20",
+ "jeden",
+ "dwa",
+ "trzy",
+ "cztery",
+ "pięć",
+ "sześć",
+ "siedem",
+ "osiem",
+ "dziewięć",
+ "dziesięć",
+ "jedenaście",
+ "dwanaście",
+ "trzynaście"
+ ],
+ "seats" : [
+ "a1",
+ "a1 a2",
+ "a1 a2 a3",
+ "a1 a2 a3 a4",
+ "a1 a2 a3 a4 a5",
+ "h1",
+ "h1 h2",
+ "h1 h2 h3",
+ "h1 h2 h3 h4",
+ "h1 h2 h3 h4 h5",
+ "a12",
+ "a11 a12",
+ "a11 a12 a13",
+ "a11 a12 a13 a14",
+ "a11 a12 a13 a14 a15"
+ ],
+ "areas" : [
+ "u góry po prawej",
+ "u góry po lewej",
+ "u góry na środku",
+ "na środku po prawej",
+ "na środku po lewej",
+ "na dole po prawej",
+ "na dole po lewej",
+ "na dole na środku",
+ "po lewej",
+ "po prawej",
+ "na środku",
+ "lewo",
+ "prawo",
+ "środek",
+ "blisko od ekranu",
+ "daleko od ekranu",
+ "blisko ekranu",
+ "daleko ekranu"
+ ],
+ "interval" : [
+ "rano",
+ "wieczorem",
+ "w południe",
+ "po południu",
+ "popołudniu",
+ "w nocy"
+ ]
+ }
+}
\ No newline at end of file
diff --git a/src/components/DST.py b/src/components/DST.py
index 1e99228..cb23947 100644
--- a/src/components/DST.py
+++ b/src/components/DST.py
@@ -1,22 +1,61 @@
-# Adrian
class DST:
- def __init__(self, slots):
- self.slots = slots
- def getDialogueState(self, userActs):
- # iterate over speech acts
- if userActs['act'] == 'book':
- if userActs['slots']:
- for (k, v) in userActs['slots']:
- print(k)
- if k in self.slots:
- self.slots[k] = v
+ def __init__(self):
+ self.init_session()
+ # self.value_dict = json.load(open('utils/value_dict.json'))
- # returns all slots
- return self.slots
+ def update(self, user_act=None):
+ for intent, domain, slot, value in user_act:
+ domain = domain.lower()
+ intent = intent.lower()
+ value = value.lower()
+ k = slot
-#dst = DST()
-# userActs = {'inform': {'name': 'edyta', 'age': 18}, 'reqmore': {'date', 'time'}}
-#ivona_acts = {'act': 'book', 'slots': [('name', 'ewa'), ('hour', 'dziesiąta'), ('size', 'trzech')]}
-#print(dst.getDialogueState(ivona_acts))
+ if intent == 'inform':
+
+ domain_dic = self.state['belief_state'][domain]
+
+ if k in domain_dic['semi']:
+ self.state['belief_state'][domain]['semi'][k] = value
+ elif k in domain_dic['book']:
+ self.state['belief_state'][domain]['book'][k] = value
+ elif k.lower() in domain_dic['book']:
+ self.state['belief_state'][domain]['book'][k.lower()] = value
+ elif intent == 'request':
+
+ if domain not in self.state['request_state']:
+ self.state['request_state'][domain] = {}
+ if k not in self.state['request_state'][domain]:
+ self.state['request_state'][domain][k] = 0
+
+ return self.state
+
+ def init_session(self):
+ self.state = self.default_state()
+
+ def default_state(self):
+ state = dict(user_action=[],
+ system_action=[],
+ belief_state={},
+ request_state={},
+ terminated=False,
+ history=[])
+ state['belief_state'] = {
+ "cinema": {
+ "book": {
+ "title": "",
+ "date": "",
+ "time": "",
+ "quantity": "",
+ "seats": "",
+ "area": "",
+ "interval": "",
+ },
+ "semi": {
+ "goal": ""
+ }
+ },
+
+ }
+ return state
diff --git a/src/components/NLU.py b/src/components/NLU.py
index fd2665b..9c2f4e9 100644
--- a/src/components/NLU.py
+++ b/src/components/NLU.py
@@ -13,7 +13,7 @@ class NLU:
csentence = [{'form': word} for word in sentence]
fsentence = self.conllu2flair([csentence])[0]
self.nluModel.predict(fsentence)
- return [(token, ftoken.get_tag('slot').value) for token, ftoken in zip(sentence, fsentence)]
+ return self.toDSTInput([(token, ftoken.get_tag('slot').value) for token, ftoken in zip(sentence, fsentence)])
def conllu2flair(self, sentences, label=None):
fsentences = []
@@ -40,4 +40,34 @@ class NLU:
# new_str = re.sub(' +', ' ', new_str)
for char in punctuation:
messageLower = messageLower.replace(char,'')
- return messageLower.split()
\ No newline at end of file
+ return messageLower.split()
+
+ def toDSTInput(self, taggedSentence):
+ result = []
+ intent = None
+ slotValue = None
+ slot = None
+ for tuple in taggedSentence:
+ value, tagInt = tuple
+ if intent is None: intent = tagInt.split("/")[1]
+ if tagInt.split("/")[0] == "O":
+ if slotValue is not None:
+ result.append([intent, 'Cinema', slot, slotValue])
+ slot = None
+ slotValue = None
+ elif tagInt.split("/")[0].split("-")[0] == "B":
+ slot = tagInt.split("/")[0].split("-")[1]
+ slotValue = value
+ elif tagInt.split("/")[0].split("-")[0] == "I":
+ try:
+ slotValue += " " + value
+ except:
+ slot = tagInt.split("/")[0].split("-")[1]
+ slotValue = value
+
+ if slotValue is not None:
+ result.append([intent, 'Cinema', slot, slotValue])
+ return result
+
+
+
diff --git a/src/dialogue_system.py b/src/dialogue_system.py
index b8b6b50..9de65ca 100644
--- a/src/dialogue_system.py
+++ b/src/dialogue_system.py
@@ -2,23 +2,13 @@ from components.NLU import NLU
from components.NLG import NLG
from components.DST import DST
-slots = [
- ("title", None),
- ("date", None),
- ("time", None),
- ("quantity", None),
- ("seats", None),
- ("goal", None),
- ("area", None),
- ("interval", None),
-]
-
def chatbot():
isActive = True
# NLU
nlu = NLU()
+ dst = DST()
# hello message
print("wpisz /exit aby zakończyć")
@@ -32,5 +22,6 @@ def chatbot():
isActive = False
else:
nluPred = nlu.predict(sentence=userMessage)
- print(nluPred)
+ dst.update(nluPred)
+ print(dst.state)
chatbot()
\ No newline at end of file
diff --git a/tasks/zad8/pl/train.conllu b/tasks/zad8/pl/train.conllu
index 29391c2..5b96485 100644
--- a/tasks/zad8/pl/train.conllu
+++ b/tasks/zad8/pl/train.conllu
@@ -2941,7 +2941,7 @@
4 moje inform NoLabel
5 miejsca inform NoLabel
6 to inform NoLabel
-7 h1h3h56 inform NoLabel
+7 h1h3h56 inform B-seats
# text: wymień seansy jutro
# intent: inform
|